技术方向
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
1,606 条精选近 30 天 156 条共收录 8,392 条
Hugging Face 发布面向 AI 智能体使用场景的基准测试框架，以 transformers 库为案例评估库的智能体友好度。框架使用 pi coding agent 与开源模型驱动，通过 Hugging Face Jobs 分散任务确保硬件一致。评估关注 agent 完成任务的成本、延迟、token 使用量和失败率，而非仅最终结果。此前 hf CLI 经优化后 agent token 使用量减少 1.3-1.8 倍（最高 6 倍），该框架旨在验证类似优化对 transformers 的效果。
推荐理由：Hugging Face 这波实验打破了我的直觉——为大型模型优化的 CLI+Skill 方案反而让小模型正确率暴跌，做 agent 工具链的人应该马上看这个标杆。
Adobe 将其“创意智能体”扩展至 Photoshop、Premiere 等应用，以公开测试形式提供 AI Assistant。该智能体可自动完成多步骤常规任务，如 Premiere 分拣素材和粗剪、Photoshop 换背景、Illustrator 批量生成文件、InDesign 更新版式等。Firefly 新增面向个人创作者的品牌套件、产品图转短视频及 Quick Cut 自动剪辑功能。Adobe 工具已集成至 ChatGPT、Claude 及 Microsoft 365 Copilot，Google Gemini 和 Slack 集成即将推出。
推荐理由：Adobe把AI助手直接塞进了Photoshop、Premiere这些上亿人用的创作工具，干的虽然是粗剪、排版一类的苦力活，但却是AI从生成器转向流程助手的关键一步，值得所有创意工作者上手试试。
Google DeepMind发布AI Control Roadmap，这是一套针对内部先进AI智能体的系统级安全框架。该框架在传统模型对齐之上增加防线，假设AI智能体可能不对齐，通过威胁建模、沙箱隔离、端点安全、提示注入防御以及基于已验证行为逐步授予权限的机制建立信任。据估算，到2030年仅美国市场AI智能体就能创造2.9万亿美元经济价值。
推荐理由：DeepMind 首次系统性地公开了内部 AI 代理安全控制路线图，把代理当潜在「内鬼」来防的思路很务实，分析了 100 万个任务轨迹的监控实践尤其值得做 Agent 安全的人细看。
月之暗面旗下 Kimi Work（Beta 版）新增「目标模式」，支持设定终点后由 Agent 自主循环推进任务，最长连续运行24小时，过程中人类可随时中断调整。同时上线「插件中心」，可选装百度网盘、Canva可画、钉钉、飞书、WPS、Notion、Cloudflare 等外部应用。6月限时福利期间，Kimi 电脑客户端 Work 模式所有任务会员额度消耗减半，即从0.02%降至0.01%。
推荐理由：目标模式把 Kimi Work 从对话助手变成了能连续运行 24 小时的自主 Agent，配合插件中心打通办公软件，对需要长时间执行复杂任务的用户是实际可用性的大升级。
Kimi 电脑客户端为 Kimi Work（Beta 版）新增「目标模式」和「插件中心」两个特性。目标模式基于循环机制，可让 Agent 连续工作 24 小时自主推进长任务；插件中心支持连接百度网盘、钉钉、飞书、WPS、Canva可画等外部应用。6 月内使用 Work 模式所有任务额度消耗打 5 折，一个 token 当两个用。
推荐理由：目标模式的价值在于把Agent的连续工作时长拉到24小时，人类只需定义终点，模型自主收敛策略，改变了长任务的处理方式。
Codex CLI 支持自定义 OpenAI 兼容提供商，只需在 config.toml 中配置即可将请求路由到 OpenRouter。用户无需修改 Codex 本身，就能获得提供商故障转移、使用跟踪以及跨所有模型的统一密钥。
推荐理由：这篇教程教开发者如何将 OpenAI Codex CLI 路由到 OpenRouter，配置不复杂，对想用 Codex 又希望多模型切换的朋友是个顺手的小贴士。
在 2026 年 WWDC 期间，苹果发布 Xcode 27，其核心组件首次整合 AI 智能体，能理解 Swift 语言并通过多轮自然语言对话辅助开发。AI 可跨多个文件修改整个代码库，也能根据提示与资源生成应用设计并独立构建完整应用，建成后仍可通过对话添加特效、动画等。Xcode 27 支持接入 Anthropic、OpenAI 和 Google 等第三方 AI 模型，同时引入 Core AI 框架提供现代 Swift API 调用端侧模型，并升级开源框架 MLX。
推荐理由：Xcode 27 把 AI 智能体直接嵌进 IDE，支持多文件编辑和第三方模型，对苹果生态开发者是效率跃迁，非苹果开发者可以略过。
PromptArmor 实测显示，OpenAI 的 Approve-for-me 审批智能体会批准执行恶意 NPM 安装命令，即使主 Codex 智能体已被外部贡献者在 GitHub issue 的 HTML 注释中隐藏的一行提示词注入影响。
推荐理由：作者实测演示了 agent 审批链被提示词注入绕过的具体路径，并给出 Claude 和 Codex 侧可直接执行的关闭配置。
Claude Code v2.1.181 发布，新增 `/config key=value` 语法允许在提示中直接设置任意配置项，新增 `sandbox.allowAppleEvents` 选项使沙盒命令支持 Apple Events，新增 `CLAUDE_CLIENT_PRESENCE_FILE` 环境变量用于抑制移动端推送通知。内置 Bun 运行时升级至 1.4，改进了长段落流式输出（逐行显示）和 API 连接中断后自动重试。子 agent 面板优化：空闲 agent 30 秒自动隐藏、列表最多 5 行。修复了提示缓存读取、Write/Edit 在网络驱动器产生 0 字节文件、启动性能回归（约 120ms）、启动阻塞（最长 15 秒）、macOS TUI 冻结、子 agent 时长显示错误、API 重试指示器残留、AWS 凭证刷新等问题。
推荐理由：一次工程师式的磨刀更新，修复了网络驱动器写入、macOS TUI 冻结等一批痛感明显的 bug，新增的 /config 快捷语法也顺手，但对非 Claude Code 用户来说就是一串技术细节。
Google 分享了三种集成 A2UI 与 MCP Apps 的架构模式，旨在结合两者优势。A2UI 采用声明式框架，通过 JSON payload 定义 UI，由宿主原生渲染，确保一致性与安全性，但受限于预定义组件库。MCP Apps 在 iframe 中使用标准 Web 技术提供自定义界面，但存在设计碎片化、性能与安全挑战。三种模式包括：通过 MCP 服务器提供 A2UI，利用 MCP Resources 或 Tool 调用传递 JSON，实现“一次编写，原生渲染”的跨平台能力；以及静态与动态交付方案。Google 正考虑扩展 MCP 以原生支持 A2UI。
推荐理由：Google 这篇指南给出了三种具体的架构模式，帮开发者同时用上 A2UI 的原生安全性和 MCP 的定制能力，对正在做 Agent UI 的团队是直接的工程参考。
Vercel 发布开源 AI 智能体框架 Eve（npm 包，Apache-2.0 许可）。Eve 采用文件系统优先设计：每个智能体对应一个磁盘目录，目录结构直接映射模型、指令、工具、技能、连接、子智能体等能力，无需额外注册代码。内置六大生产级能力：持久执行（每步检查点，崩溃后可恢复）、沙箱计算、人机审批、安全连接（支持 MCP 和 OpenAPI）、多通道（Slack、Discord、Teams 等）以及追踪与评估（OpenTelemetry）。Vercel 内部运行了上百个智能体，包括数据分析工具 d0（月处理超3万查询）、自动销售代理 Lead Agent（年费约5000美元、回报32倍）和支持智能体 Vertex（自主解决92%工单）。
推荐理由：Vercel 把自己跑了 100 多个 agent 的框架开源了，用目录即契约的方式把耐久执行、沙箱、审批等全打包，对想在生产环境跑 agent 的团队是今年最务实的发布之一。
Jim Fan@DrJimFan精选AI 评分8181
今天，我们首次在物理世界中实现了 AutoResearch！隆重推出 ENPIRE：我们为 8 个 Codex 智能体配备了一支机器人舰队、一批 GPU 以及充足的模型 token 预算。我们让它们自由行动，目标只有一个：尽可能快地完成任务，让机器人保持忙碌但确保安全，不浪费宝贵的算力。这一点毋庸置疑。 随后人类退居幕后，我们的观察开始了。机器人舰队开始苏醒：它们学会寻找视觉线索、重置场景、练习新技能、调整控制栈、在线阅读论文、进行辩论、反思、陷入困境，然后直接在硬件上重新尝试。我们所做的只是为 Codex 提供了一个通往原子世界的 API，剩下的便是涌现。 ENPIRE 能够自主完成高精度任务，例如绑扎带、整理精细的插针以及安装 GPU。我们还发现了一种新型的“物理规模扩展”：8 个机器人并行探索的效率显著高于数量更少的机器人。 我们 NVIDIA GEAR 实验室的一部分现在可以彻夜不休地自我改进。我们只需在早上阅读报告即可。 /目标：我们都去度假，而 Jensen 甚至不会察觉 ;) 我们将开源所有内容，这样你也可以在家中托管一个自主运行的机器人实验室！详情请见下方帖子：
推荐理由：Jim Fan团队让8个机器人在真实世界自主研究，从安装GPU到发现物理扩展定律，这是具身智能第一次真正脱离人类监督探索物理任务，比任何虚拟环境的Agent实验都更接近AGI的物理锚点，做机器人的必须关注。
Agentic Resource Discovery（ARD）是一项开放规范，用于在Web上发布、发现和验证AI工具、技能与智能体。它基于两个原语：组织在其自有域名下托管catalog描述可用能力，registry作为搜索引擎索引catalog并响应发现请求。ARD支持加密验证，使客户端与端点连接前确认发布者身份，然后直接通过原生协议调用能力。Google Cloud的Gemini Enterprise Agent Platform通过Agent Registry提供企业级支持，包括URN命名、出站策略、工具固定和基于Agent Identity的信任验证。该规范现已发布，开发者可通过托管`ai-catalog.json`文件使其服务可发现。
推荐理由：虽然才刚发布，但 ARD 有可能成为代理网络的“robots.txt”，做 agent 开发的都该看一眼，它解决的是跨组织发现和信任这个真问题。
智谱上线并开源GLM-5.2，在Code Arena盲测中取得全球可用模型第一。该模型实现1M无损上下文，在FrontierSWE上仅比Opus 4.8低1%，在Terminal-Bench 2.1上相比GLM-5.1提升17.5%。模型已通过Hugging Face与ModelScope开源，采用MIT协议，API同步上线。
推荐理由：1M上下文与长程交付能力将AI编程的边界从代码片段推向完整多端应用，团队评估编码助手时需重新考虑单次任务可交付的工程规模。
Together AI 用 Kimi K2.7 Code 和 Claude Fable 5 各生成 12 个落地页做对比，Kimi 平均成本约低 94%（约为 Fable 的 1/16、Opus 4.8 的 1/8），质量评分接近但整体略低。
推荐理由：原文给出12个落地页的逐页成本与质量评分对比，还展示了用设计 MCP 补充视觉参考这一可复用的提效方法。
OpenRouter 推出 openrouter:subagent 服务器工具，允许前沿模型在生成过程中将独立的琐碎任务（如文档总结、结构化数据提取、文本重格式化）委托给更小、更便宜、更快的 worker 模型执行，从而节省前沿模型的 token 消耗。
推荐理由：这是 OpenRouter 对 agent 交互模式的一个小但实用的创新，让主模型自动将摘要、格式化等确定性子任务分派给更便宜的小模型，做多模型编排的开发者可以直接拿来用。
Anthropic 基于约40万次 Claude Code 交互会话（2025年10月至2026年4月）分析发现：人类主导规划决策（做什么），Claude 主导执行决策（怎么做）。领域专业知识越强，模型每次指令完成的工作量越多。各类职业完成任务的成功率与软件工程师平均相近；领域专家成功率更高，但与中级用户差距不大。七个月间调试会话占比下降近一半，使用转向端到端智能体任务（部署运行代码、分析数据、编写非代码文档），典型任务价值平均上升约25%。
推荐理由：这份报告用40万次真实会话数据揭示了一个反直觉发现，决定Agent编码成败的，不是会不会写代码，而是对自己领域问题的理解深度。对非技术背景用AI编程的人和产品经理都是重要信号。
LangChain 介绍 Deep Agents SDK 的上下文压缩机制：超过 20,000 tokens 的工具结果卸载到文件系统、上下文达 85% 时截断旧的写/编辑工具调用、空间不足时执行带结构化摘要的总结，完整原始消息保留到文件系统供检索。文章还建议以更低阈值（如 10-20%）人为加大压缩频率来放大信号，并用针在草堆等针对性评测验证摘要后信息可恢复与目标不漂移。
推荐理由：原文给出 Deep Agents SDK 的三种上下文压缩机制和阈值触发细节，以及放大信号做评测的可迁移方法。
Anthropic 在 Claude Fable 5 发布仅数天后便对其进行了限制。如果代码硬编码模型 slug，该限制也会导致服务中断。OpenRouter 的 Presets 功能将模型选择移至服务器端，使用户无需重新部署即可切换模型、设置回退策略并强制执行数据策略。
推荐理由：给 Agent 开发者的实用提醒，硬编码模型名会在供应商限制时塌方，用 Presets 换模型、设降级方案比现改代码省心。
Satya Nadella@satyanadella精选AI 评分7070推荐理由：Copilot Cowork 的正式上线让多模型代理真正进入企业工作流，不再只是演示，团队今天就可以开始部署长期运行的复杂任务代理。